| 基于Boosting-Monodepth的管道病害深度估计与三维重建 |
| |
| 引用本文： | 方宏远,姜雪,王念念,胡群芳,雷建伟,王飞,赵继成,代毅. 基于Boosting-Monodepth的管道病害深度估计与三维重建[J]. 同济大学学报(自然科学版), 2023, 51(2): 161-169 |
| |
| 作者姓名： | 方宏远 姜雪 王念念 胡群芳 雷建伟 王飞 赵继成 代毅 |
| |
| 作者单位： | 1.郑州大学 黄河实验室(郑州大学),河南 郑州 450001;2.上海防灾救灾研究所,上海 200092;3.城市安全风险监测预警应急管理部重点实验室,上海 200092;4.北京北排建设有限公司,北京 100071;5.深圳市博铭维技术股份有限公司,广东 深圳 518000 |
| |
| 基金项目： | 国家自然科学基金（51978630）;国家重点研发计划（2022YFC3801000） |
| |
| 摘 要： | 城市地下管道是城市的血脉经络,但随着排水管道的大量投入运营和使用年限增加,引发了一系列的管道病害安全隐患,如管道整体结构变形、内表面破裂和管中异物插入等问题,传统的病害图像视频采集、检测和后期病害分类甄选都是从二维视角出发,欠缺对三维空间信息（深度）的考虑。针对上述3种病害从生成深度图、由二维深度图重建三维管道病害这两方面进行研究,提出了一种基于boosting-monodepth的双重深度估计方法以提升深度图效果,最终生成画面连续一致、轮廓清晰的深度图。性能评估方面采用Abs-Rel、RMSE、SqRel、ORD和D3R等通用指标,与传统算法对比,结果显示boosting-monodepth的RMSE值降低了30%,精确度指标δ<1.25时,模型深度信息预测精确度提高了18%,此后以得到的深度图为基础重建管道病害三维点云,并在CloudCompare软件上三维可视化,最后采用随机采样一致算法测算病害深度并和实测数据对比证明其有效性和准确性。
|
| 关 键 词： | 管道病害 深度估计 三维重建 |
| 收稿时间： | 2022-11-24 |
Pipeline Damage Depth Estimation and 3D Reconstruction Based on Boosting-Monodepth Algorithm |
| |
| FANG Hongyuan,JIANG Xue,WANG Niannian,HU Qunfang,LEI Jianwei,WANG Fei,ZHAO Jicheng,DAI Yi. Pipeline Damage Depth Estimation and 3D Reconstruction Based on Boosting-Monodepth Algorithm[J]. Journal of Tongji University(Natural Science), 2023, 51(2): 161-169 |
| |
| Authors: | FANG Hongyuan JIANG Xue WANG Niannian HU Qunfang LEI Jianwei WANG Fei ZHAO Jicheng DAI Yi |
| |
| Abstract: | |
| |
| Keywords: | pipeline disease depth estimation three-dimensional reconstruction |
|
| 点击此处可从《同济大学学报(自然科学版)》浏览原始摘要信息 |
|
点击此处可从《同济大学学报(自然科学版)》下载全文 |
|
